CN101127745A - 一种信道估计方法及装置 - Google Patents

Abstract

本发明公开了一种信道估计方法及装置，用以解决现有技术中信道估计方法过于复杂，信道估计值误差大，以及无法得到最大时延和均方根时延，只能停留在理论领域，无法实际应用的问题。本发明方法包括步骤：通过导频信号和导频符号获得频域上的信道估计值；通过傅立叶逆变换将所述频域上的信道估计值变换到时域上的信道估计值；根据所述时域上的信道估计值，设定噪声门限，根据多径功率谱的负指数分布特性，将噪声门限对应的时延值作为最大时延，并根据多径功率谱的负指数分布特性以及噪声门限和最大时延，获得均方根时延；根据所述最大时延和均方根时延获得导频序列的信道估计值。本发明用于导频序列的信道估计。

Description

一种信道估计方法及装置

技术领域

本发明涉及通信技术领域，尤其涉及一种信道估计方法及装置。

背景技术

在基于正交频分复用(OFDM，Orthogonal Frequency Division Multiplexing)多载波技术的新一代无线通信系统中，信道估计影响到整个系统的性能。由于传输速率较高，需要使用相干检测技术获得较高的信道估计性能，通过基于辅助导频的非盲信道估计能更好的跟踪无线信道的变化，提高接收机性能。

最小二乘(LS，least square)信道估计是最简单的一种信道估计方法。它只需要知道发送的导频信号X_P和接收到的导频符号Y_P即可。LS信道估计器依据如下准则得到导频位置的信道特性为：

${\tilde{H}}_{\mathrm{LS},P}=\arg \underset{H}{\min }\left\{\right|Y_P-X_P{\tilde{H}}_{\mathrm{LS},P}\left|\right\}=Y_P{X}_P^{-1}=H_P+{\mathrm{NX}}_P^{-1}$

其中，N是接收到的高斯白噪声，NX_P ^-1是信道估计中由于N引入的噪声分量，下标P表示导频所在子载波序号，H_P是导频处的信道估计值，其中的噪声分量均值为零，协方差矩阵为：

$R_N=E\left\{{\mathrm{NX}}_P^{-1}{\left({\mathrm{NX}}_P^{-1}\right)}^H\right\}={{\mathrm{\σ}}_n}^2/{{\mathrm{\σ}}_P}^2{I}_K$

其中，NX_P ^-1是信道估计中由于N引入的噪声分量，σ_n ²、σ_P ²分别为噪声方差和导频信号功率，I_K是K阶单位矩阵。可见

实际上是导频处被零均值高斯白噪声(AWGN，Additive White Gaussian Noise)所污染的真实信道响应的观察值。所以它受噪声的影响大，在信噪比较低时估计精度和性能不高。

线性最小平方误差(LMMSE，linear minimum mean-square error)信道估计是最优的线性估计器，它本质是用信道的自相关矩阵对LS信道估计进行修正，抑制噪声对估计值的影响。采用LMMSE算法精度高，估计性能好，但是需要利用每条子路径的功率及延迟等先验知识构造一个信道自相关矩阵，运算量较大且在实际系统中不易获得。

LMMSE信道估计追求的目标准则是：

${\tilde{H}}_{\mathrm{LMMSE},P}=\arg \underset{H}{\min }E\left\{{\left|\right|Y_P-X_P{\tilde{H}}_{\mathrm{LMMSE},P}\left|\right|}^2\right\}$

根据该准则可得到LMMSE信道估计值：

${\tilde{H}}_{\mathrm{LMMSE},P}=W{\tilde{H}}_{\mathrm{LS},P}$

其中，W为LMMSE的权值矩阵，

$W=R_{\mathrm{HH}}{(R_{\mathrm{HH}}+{\mathrm{\σ}}_n^2{\left({\mathrm{XX}}^H\right)}^{-1})}^{-1}$

R_HH为信道的自相关矩阵，

R_HH＝E{HH^H}；

其中，H是频域上的信道特性，X是发送端发射数据，σ_n ²为AWGN噪声的方差。

信道的自相关矩阵R_HH由多径信道的功率和时延决定：

$R_{m,n}=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{\mathrm{\σ}}_l^2\exp (-j\frac{2\mathrm{\π}}{N}{\mathrm{\τ}}_l(m-n)),m,n=\mathrm{0,1},...,N-1$

其中，m、n是信道自相关矩阵R_HH的下标，用来表示矩阵的元素，L表示多径的个数，N是频域的子载波数，R_HH是一个N×N的复矩阵。在构造LMMSE权值矩阵W时，需要一次矩阵求逆运算，在和LS估计值相乘时，需要N×N次复乘运算。可以看出，LMMSE的运算量非常大，复杂度很高。

对于LMMSE估计器，第1径的幅度方差为σ_l ²和第1径的传输时延τ_l，在实际系统中，是非常难估计到的。所以，LMMSE信道估计算法一般只能给出一个理论上的最优值，可行性较差。

一种简化的近似等价LMMSE算法，称之为等价线性最小平方误差(ELMMSE，Equalized LMMSE)算法，它假设信道的多径是均匀分布的，各个径的功率呈负指数分布，此时只需要知道最大多径时延和均方根时延即可近似得到R_HH。

$R_{m,n}=\frac{1-\exp [-{\mathrm{\τ}}_{\max }(j\frac{2\mathrm{\π}}{N}(m-n)+\frac{1}{{\mathrm{\τ}}_{\mathrm{rms}}})]}{{\mathrm{\τ}}_{\mathrm{rms}}(1-\exp \left(\frac{{\mathrm{\τ}}_{\max }}{{\mathrm{\τ}}_{\mathrm{rms}}}\right))(\frac{1}{{\mathrm{\τ}}_{\mathrm{rms}}}+j\frac{2\mathrm{\π}}{N}(m-n))}$

其中，N是频域上的子载波个数，m、n是信道自相关矩阵R_HH的下标，用来表示矩阵的元素。

这样的处理可以不必精确估计出信道每一径的功率和时延特性，只需估计最大时延τ_max和均方根时延τ_rms即可，大大降低了信道估计的难度，提高估计方法的健壮性。这两个参数只与信道环境有关。ELMMSE的这种近似处理的代价是性能有略微下降，但性能已非常接近LMMSE信道估计的性能，因此ELMMSE具有高健壮性、高可靠性的优点，是一种较可行的信道估计方法。

上面提到的三种现有信道估计算法各自均有其缺点：

LS信道估计，是最简单的信道估计算法，但是它受噪声的影响大，在信噪比较低时估计精度和性能不高；

LMMSE信道估计，是最优的线性估计器，但由于需要知道的信道特性条件过于苛刻，不能准确的估计出来，所以只能作为理论上的最优值，不能应用于实际情况中；

ELMMSE信道估计，需要估计出τ_max和τ_rms两个参量，现阶段公开发表的文献中并没有解决方案。

发明内容

本发明提供一种信道估计方法及与其相应的信道估计装置，用以解决现有技术中的信道估计受噪声的影响大、估计的精度和性能不高以及只能得到理论上的最优估计值，难于得到实际应用的问题。

本发明方法包括以下步骤：

A、通过导频信号和导频符号获得频域上的信道估计值；

B、通过傅立叶逆变换将所述频域上的信道估计值变换到时域上的信道估计值；

C、根据所述时域上的信道估计值，设定噪声门限，根据多径功率谱的负指数分布特性，将噪声门限对应的时延值作为最大时延，并根据多径功率谱的负指数分布特性以及噪声门限和最大时延，获得均方根时延；

D、根据所述最大时延和均方根时延获得导频序列的信道估计值。

所述步骤C包括：

C1、根据所述多径的平均功率，设定门限η，且0＜η≤1；

C2、根据所述门限η，得到噪声门限η·C，其中C为多径功率谱的最大值；

C3、取大于所述噪声门限η·C的为有用径，利用公式

$\left\{\begin{array}{cc}{\widetilde{\mathrm{\&tau;}}}_{\max }=\max \left\{{\mathrm{\&tau;}}_{\mathrm{tapi}}\right\},& \max \left\{{\mathrm{\&tau;}}_{\mathrm{tapi}}\right\}<\mathrm{CP}*T\\ {\widetilde{\mathrm{\&tau;}}}_{\max }=\mathrm{CP}*T,& \max \left\{{\mathrm{\&tau;}}_{\mathrm{tapi}}\right\}\&GreaterEqual;\mathrm{CP}*T\end{array}\right.$

获得最大时延τ_max的估计值，其中，τ_tapi为第i条有用径的时延，CP为正交频分复用循环前缀的长度，T为采样时间；

C4、根据多径功率谱的负指数分布特性，利用公式 $P_{{\mathrm{\&tau;}}_{\max }}=\mathrm{\&eta;}\&CenterDot;C$ 和 $P\left(\mathrm{\&tau;}\right)=C\&CenterDot;e^{-\mathrm{\&tau;}/{\mathrm{\&tau;}}_{\mathrm{rms}}}$ 得到公式 ${\widetilde{\mathrm{\&tau;}}}_{\mathrm{rms}}=-{\widetilde{\mathrm{\&tau;}}}_{\max }/\ln \left(\mathrm{\&eta;}\right),$ 即得到均方根时延τ_rms的估计值，其中C为多径功率谱的最大值，τ为多径时延。

所述步骤A所述信道估计值是通过下述公式计算出的：

${\tilde{H}}_{\mathrm{LS},P}=\arg \underset{H}{\min }\left\{\right|Y_P-X_P{\tilde{H}}_{\mathrm{LS},P}\left|\right\}=Y_P{X}_P^{-1}=H_P+{\mathrm{NX}}_P^{-1}$

其中，N是接收到的高斯白噪声，NX_P ^-1是信道估计中由于N引入的噪声分量，下标P表示导频所在子载波序号，H_P是导频处的信道估计值，

为所述频域上的信道估计值。

所述步骤D包括：

D101、根据所述最大时延和均方根时延的估计值，利用公式

$R_{m,n}=\frac{1-\exp [-{\mathrm{\&tau;}}_{\max }(j\frac{2\mathrm{\&pi;}}{N}(m-n)+\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}})]}{{\mathrm{\&tau;}}_{\mathrm{rms}}(1-\exp (-\frac{{\mathrm{\&tau;}}_{\max }}{{\mathrm{\&tau;}}_{\mathrm{rms}}}))(\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}}+j\frac{2\mathrm{\&pi;}}{N}(m-n))}$

获得等价线性最小平方误差信道估计算法需要的自相关矩阵R_HH，其中，N是频域上的子载波个数，m、n是信道自相关矩阵R_HH的下标，用来表示矩阵的元素；

D102、根据所述自相关矩阵R_HH，利用公式

$W=R_{\mathrm{HH}}{(R_{\mathrm{HH}}+{\mathrm{\&sigma;}}_n^2{\left({\mathrm{XX}}^H\right)}^{-1})}^{-1}$ 和 ${\tilde{H}}_{\mathrm{LMMSE},P}=W{\tilde{H}}_{\mathrm{LS},P}$

获得所述导频序列的信道估计值其中，H是频域上的信道特性，X是发送端发射数据，

为所述频域上的信道估计值。

所述步骤D包括：

D201、根据所述最大时延和均方根时延的估计值，利用公式

$R_{m,n}=\frac{1-\exp [-{\mathrm{\&tau;}}_{\max }(j\frac{2\mathrm{\&pi;}}{N}(m-n)+\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}})]}{{\mathrm{\&tau;}}_{\mathrm{rms}}(1-\exp (-\frac{{\mathrm{\&tau;}}_{\max }}{{\mathrm{\&tau;}}_{\mathrm{rms}}}))(\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}}+j\frac{2\mathrm{\&pi;}}{N}(m-n))}$

获得插值信道估计算法需要的数据和导频间相关矩阵R_HDHP以及导频和导频间的自相关矩阵R_HPHP，其中，N是频域上的子载波个数，m、n是信道自相关矩阵R_HH的下标，用来表示矩阵的元素；

D202、根据所述R_HDHP和R_HPHP，利用公式

$W=R_{H_D{H}_P}{(R_{H_P{H}_P}+{\mathrm{\&sigma;}}_n^2{\left({\mathrm{XX}}^H\right)}^{-1})}^{-1}$ 和 ${\tilde{H}}_{\mathrm{LMMSE},P}=W{\tilde{H}}_{\mathrm{LS},P}$

获得所述导频序列的信道估计值

其中，H是频域上的信道特性，X是发送端发射数据，

为所述频域上的信道估计值。

所述步骤D包括：

D301、根据所述最大时延和均方根时延的估计值，利用公式

$R_{m,n}=\frac{1-\exp [-{\mathrm{\&tau;}}_{\max }(j\frac{2\mathrm{\&pi;}}{N}(m-n)+\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}})]}{{\mathrm{\&tau;}}_{\mathrm{rms}}(1-\exp (-\frac{{\mathrm{\&tau;}}_{\max }}{{\mathrm{\&tau;}}_{\mathrm{rms}}}))(\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}}+j\frac{2\mathrm{\&pi;}}{N}(m-n))}$

获得非插值信道估计算法需要的导频和导频间的自相关矩阵R_HPHP，其中，N是频域上的子载波个数，m、n是信道自相关矩阵R_HH的下标，用来表示矩阵的元素；

D302、根据所述R_HPHP，利用公式

$W=R_{H_P{H}_P}{(R_{H_P{H}_P}+{\mathrm{\&sigma;}}_n^2{\left({\mathrm{XX}}^H\right)}^{-1})}^{-1}$ 和 ${\tilde{H}}_{\mathrm{LMMSE},P}=W{\tilde{H}}_{\mathrm{LS},P}$

获得所述导频序列的信道估计值其中，H是频域上的信道特性，X是发送端发射数据，

为所述频域上的信道估计值。

本发明装置包括：第一信道估计器、傅立叶逆变换单元、最大时延单元、均方根时延单元和第二信道估计器；

所述第一信道估计器，用于对导频序列进行信道估计，得到频域上的信道估计值，并将该信道估计值发送到所述傅立叶逆变换单元；

所述傅立叶逆变换单元，用于将频域上的信道估计值转换为时域上的信道估计值，并将所述时域上的信道估计值发送到所述最大时延单元；

所述最大时延单元，用于根据所述时域上的信道估计值，设定噪声门限，根据多径功率谱的负指数分布特性，将噪声门限对应的时延值作为最大时延，并将所述最大时延和所述噪声门限发送给所述均方根时延单元；

所述均方根时延单元，用于根据多径功率谱的负指数分布特性，以及所述噪声门限和所述最大时延的估计值获得均方根时延的估计值，并将所述最大时延和均方根时延发送给所述第二信道估计器；

所述第二信道估计器，用于根据所述最大时延以及所述均方根时延，获得导频序列的信道估计值。

所述最大时延单元还包括：

设定噪声门限单元，用于根据多径功率谱的负指数分布特性，设定噪声门限。

所述第一信道估计器为最小二乘信道估计器。

所述第二信道估计器等价线性最小平方误差信道估计器或者插值信道估计器或者非插值信道估计器。

本发明方案，通过在频域上获得导频子载波处的信道特性后，经过快速傅立叶逆变换将频域上的信道估计值变换到时域上的信道估计值，利用多径功率谱的负指数分布的凹函数特性，设定噪声门限，大于这个噪声门限的作为有用径，小于这个门限作为噪声，在有用径中，根据多径功率谱的负指数分布的凹函数特性，噪声门限对应的时延值作为最大时延，再根据所述噪声门限和所述最大时延，并根据多径功率谱的负指数分布的凹函数特性，获得均方根时延，从而可以获得ELMMSE信道估计所需要的自相关矩阵，得到信道估计值。因此，采用本发明方案，通过设定的噪声门限以及所述的多径功率谱的负指数分布特性，获得所述的最大时延和均方根时延，解决了现有技术无法获得最大时延和均方根时延的问题，因此采用本发明方案，与现有技术相比，使信道估计方法具有较低的计算复杂度，另外，信道的多径可以近似为均匀的，各径的功率是呈负指数分布的，利用该特性获得信道估计的方法，具有较好的健壮性，易于实现。

附图说明

图1为本发明方法的流程示意图；

图2为本发明方法实施例的流程示意图；

图3为6径功率谱的负指数分布示意图；

图4为本发明装置实施例的结构框图。

具体实施方式

本发明的总体思想为，通过在频域上获得导频子载波处的信道特性后，经过变换到时域上信道特性，利用多径功率谱的负指数分布特性，设定噪声门限η·C，其中C为多径功率谱的最大值，大于这个噪声门限的就看作是有用径，在有用径中，根据多径功率谱的负指数分布特性，将所述的噪声门限对应的时延值作为最大时延，再根据最大时延和噪声门限η·C，获得均方根时延，从而计算出ELMMSE信道估计所需要的自相关矩阵，得到信道估计值。

如图1所示，实现本发明所述的一种信道估计方法包括以下步骤：

S101、通过导频信号和导频符号获得频域上的信道估计值；

S102、通过傅立叶逆变换将频域上的信道估计值变换到时域上的信道估计值；

S103、根据时域上的信道估计值，设定噪声门限，根据多径功率谱的负指数分布特性，将噪声门限对应的时延值作为最大时延，并根据多径功率谱的负指数分布特性以及噪声门限和最大时延，获得均方根时延；

S104、根据最大时延和均方根时延获得导频序列的信道估计值。

如图2所示，为本发明方法的一个具体的实施例，具体包括以下步骤：

S201、利用LS信道估计算法对导频序列进行信道估计；

即利用LS信道估计器依据公式：

${\tilde{H}}_{\mathrm{LS},P}=\arg \underset{H}{\min }\left\{\right|Y_P-X_P{\tilde{H}}_{\mathrm{LS},P}\left|\right\}=Y_P{X}_P^{-1}=H_P+{\mathrm{NX}}_P^{-1}$

得到频域上的信道估计值

S202、将频域上的LS信道估计值

经过傅立叶逆变换变换到时域上的信道估计值；

时域上的信道估计值，即时域上的多径特性，通过傅立叶变换到频域上多径特性，主要体现的就是频率选择型衰落特性，当在频域上估计出某些点的频率特性时，通过傅立叶逆变换变换到时域上的多径特性，即可以得到时域上的多径的分布特性，这里的多径的分布特性主要是指多径的平均功率。

而在这个变换过程中，会引入噪声，所以需要设定一个噪声门限，大于这个噪声门限的就看作是有用径，小于这个噪声门限的就看作是噪声，在选择最大时延时予以舍弃，于是进行步骤S203。

S203、设定门限值；

即在时域上设定一个合适的门限值η，并且0＜η≤1，那么可得噪声门限为η·C其中C为多径功率谱的最大值，大于这个噪声门限的就看作是有用径。

在多径功率谱的负指数分布中，当时间t变大时，功率收敛于0，即当η很小的时候，虽然由于噪声的影响估计出的τ_max可能会比较大，但在OFDM系统中，设计要求最大时延τ_max一定小于CP长度，所述CP为正交频分复用循环前缀的长度，所以当τ_max大于CP时，令τ_max等于CP，即τ_max的估计值不会大于CP；

均方根时延τ_max在多径功率谱的负指数分布曲线中，是影响该凹函数收敛趋势变化快慢的一个参量，是τ_max和该点功率值P_τmax共同作用的结果，当η很小时，功率基本收敛于0，此时即使τ_max估计不是很准确，对负指数分布的收敛趋势即τ_rms的估计值的影响也不大。

S204、计算最大时延的估计值；

基于步骤S203的分析，可得公式

$\left\{\begin{array}{cc}{\widetilde{\mathrm{\&tau;}}}_{\max }=\max \left\{{\mathrm{\&tau;}}_{\mathrm{tapi}}\right\},& \max \left\{{\mathrm{\&tau;}}_{\mathrm{tapi}}\right\}<\mathrm{CP}*T\\ {\widetilde{\mathrm{\&tau;}}}_{\max }=\mathrm{CP}*T,& \max \left\{{\mathrm{\&tau;}}_{\mathrm{tapi}}\right\}\&GreaterEqual;\mathrm{CP}*T\end{array}\right.$

其中τ_tapi为第i条有用径的时延，CP为正交频分复用循环前缀的长度，T为采样时间；

即在有用径中，根据噪声门限值η·C对应的时延值，可得到最大时延τ_max的估计值，而噪声门限η·C即为该最大时延τ_max对应的功率值P_τmax；

由于在OFDM系统中，为了克服符号间干扰，要求在设计OFDM符号时，其循环前缀的长度CP要大于最大多径时延τ_max，所以，可以假设所有多径都限定在CP范围内，即在CP长度范围内，大于噪声门限的采样点都看作是有用径，其它径看作为噪声径，则在有用径中，对应最大功率的采样时间点即为最大多径时延。

S205、计算均方根时延的估计值；

由频域到时域变换后，由于采样和噪声的影响，各采样点上的功率可以看作是连续分布的。当设定噪声门限η·C后，挑取有用径的原则是功率大于该噪声门限的都是有用径，所以在有用径中的最大时延点的功率值就是最小功率，即噪声门限值，因此可有公式：

$P_{{\mathrm{\&tau;}}_{\max }}=\mathrm{\&eta;}\&CenterDot;C$

那么再根据多径功率谱的负指数分布特性，可得公式：

$P\left(\mathrm{\&tau;}\right)=C\&CenterDot;e^{-\mathrm{\&tau;}/{\mathrm{\&tau;}}_{\mathrm{rms}}}$

进而推出公式：

${\widetilde{\mathrm{\&tau;}}}_{\mathrm{rms}}=-{\widetilde{\mathrm{\&tau;}}}_{\max }/\ln \left(\mathrm{\&eta;}\right)$

即根据多径功率谱的负指数分布特性和所述的最大时延的估计值，即可获得均方根时延τ_rms的估计值，其中C为多径功率谱的最大值，τ为多径时延；

其中所述多径功率谱的分布，体现了时域上每径平均功率的分布特性，举例说明，如图3所示，为6径负指数分布的多径功率谱示意图，由图3可以看出，功率可以看作是连续分布的。在大部分的信道模型中，由于传输衰落的影响，时延越大，该径上的功率值越小，基本上都会满足负指数分布或者类似负指数分布，所以可得公式 $P\left(\mathrm{\&tau;}\right)=C\&CenterDot;e^{-\mathrm{\&tau;}/{\mathrm{\&tau;}}_{\mathrm{rms}}}.$

S206、根据最大时延及均方根时延的估计值得出信道的自相关矩阵；

将获得的最大时延τ_max和均方根时延τ_rms的估计值代入背景技术中所述ELMMSE算法中的公式

$R_{m,n}=\frac{1-\exp [-{\mathrm{\&tau;}}_{\max }(j\frac{2\mathrm{\&pi;}}{N}(m-n)+\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}})]}{{\mathrm{\&tau;}}_{\mathrm{rms}}(1-\exp (-\frac{{\mathrm{\&tau;}}_{\max }}{{\mathrm{\&tau;}}_{\mathrm{rms}}}))(\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}}+j\frac{2\mathrm{\&pi;}}{N}(m-n))}$

即可获得信道的自相关矩阵R_HH。

S207、根据所述自相关矩阵得出信道估计值；

根据所述ELMMSE算法根据步骤S106中获得的自相关矩阵计算出信道估计值。

另外，通过选取自相关矩阵R_HH的对应取值，上述方法可以适用于频域上的插值信道估计算法(辅助导频结构)，例如当导频在频域上是梳状分布时，LMMSE信道估计的加权因子W的选取为：

$W=R_{H_D{H}_P}{(R_{H_P{H}_P}+{\mathrm{\&sigma;}}_n^2{\left({\mathrm{XX}}^H\right)}^{-1})}^{-1}$

其中R_HDHP为数据和导频间相关矩阵部分，H_D和H_P分别为数据所在子载波和导频所在子载波位置的集合。R_HDHP大小为Nd×Np，Nd为数据所占子载波数，Np为导频所占子载波数。R_HPHP为导频和导频间的自相关矩阵部分，选取办法和R_HDHP相同。σ_n ²为高斯白噪声的噪声方差。这样即完成了频域上由导频到数据部分信道特性的插值。

同样此方法也可以适用于非插值信道估计算法，即当导频符号在频域上采用块状分布时，W为

$W=R_{H_P{H}_P}{(R_{H_P{H}_P}+{\mathrm{\&sigma;}}_n^2{\left({\mathrm{XX}}^H\right)}^{-1})}^{-1}$

矩阵选取方法与所述插值信道估计算法中的矩阵选取方法相同。这样就可以获得导频子载波处的ELMMSE信道估计值。

如图4所示，一种与本发明方法相应的信道估计装置的实施例，其具体包括：最小二乘信道估计器401、傅立叶逆变换单元402、最大时延单元403、均方根时延单元404及线性最小平方误差信道估计器405。

所述最大时延单元403还包括设定噪声门限单元4031。

所述最小二乘信道估计器401，根据最小二乘信道估计算法对导频序列进行信道估计，得到频域上的信道估计值，并将该信道估计值发送给所述傅立叶逆变换单元402。

所述傅立叶逆变换单元402，接收所述最小二乘信道估计器401发送的所述频域上的信道估计值，并将该频域上的信道估计值利用快速傅立叶逆变换变换为时域上的信道估计值，从而可获得多径的平均功率，并把所述多径的平均功率发送给所述最大时延单元403；

所述最大时延单元403，接收所述多径的平均功率；

所述的设定噪声门限单元4031，根据所述多径的平均功率，在时域上设定一个合适的门限值η，并且0＜η≤1，于是可得噪声门限为η·C，其中C为多径功率谱的最大值，大于这个噪声门限的就看作是有用径，小于这个噪声门限的就看作是噪声；

在OFDM系统中，设计要求最大时延τ_max一定小于CP长度，所述CP为正交频分复用循环前缀的长度，所以当τ_max大于CP时，令τ_max等于CP，即τ_max的估计值不会大于CP，于是可得公式

$\left\{\begin{array}{cc}{\widetilde{\mathrm{\&tau;}}}_{\max }=\max \left\{{\mathrm{\&tau;}}_{\mathrm{tapi}}\right\},& \max \left\{{\mathrm{\&tau;}}_{\mathrm{tapi}}\right\}<\mathrm{CP}*T\\ {\widetilde{\mathrm{\&tau;}}}_{\max }=\mathrm{CP}*T,& \max \left\{{\mathrm{\&tau;}}_{\mathrm{tapi}}\right\}\&GreaterEqual;\mathrm{CP}*T\end{array}\right.$

其中τ_tapi为第i条有用径的时延，CP为正交频分复用循环前缀的长度，T为采样时间；

即根据功率谱的负指数分布特性，最小功率对应的时延最大，因此所述噪声门限对应的时延，即为最大时延τ_max的估计值。

将所述最大时延τ_max的估计值和设定的噪声门限η·C发送给所述均方根时延单元404。

均方根时延单元404，接收所述最大时延τ_max的估计值和设定的噪声门限η·C；

由频域到时域变换后，由于采样和噪声的影响，各采样点上的功率可以看作是连续分布的，那么当设定了噪声门限η·C后，在有用径中的最大时延点的功率值P_τmax就是最小功率，即噪声门限值η·C，因此可有公式：

$P_{{\mathrm{\&tau;}}_{\max }}=\mathrm{\&eta;}\&CenterDot;C$

根据多径功率谱的负指数分布特性，可得公式：

$P\left(\mathrm{\&tau;}\right)=C\&CenterDot;e^{-\mathrm{\&tau;}/{\mathrm{\&tau;}}_{\mathrm{rms}}}$

因此可推出公式：

${\widetilde{\mathrm{\&tau;}}}_{\mathrm{rms}}=-{\widetilde{\mathrm{\&tau;}}}_{\max }/\ln \left(\mathrm{\&eta;}\right)$

其中C为多径功率谱的最大值，τ为多径时延，从而获得均方根时延τ_rms的估计值；

其中所述多径功率谱的负指数分布，体现了时域上每径平均功率的分布特性，每径平均功率可以看作是连续分布的，在大部分的信道模型中，由于传输衰落的影响，时延越大，该径上的功率值越小，基本上都会满足负指数分布或者类似负指数分布，所以可有公式 $P\left(\mathrm{\&tau;}\right)=C\&CenterDot;e^{-\mathrm{\&tau;}/{\mathrm{\&tau;}}_{\mathrm{rms}}};$

将所述最大时延τ_max和均方根时延τ_rms的估计值发送给所述等价线性最小平方误差信道估计器405。

等价线性最小平方误差信道估计器405，接收所述最大时延τ_max和均方根时延τ_rms的估计值；

根据所述最大时延τ_max和均方根时延τ_rms的估计值利用ELMMSE算法中的公式

$R_{m,n}=\frac{1-\exp [-{\mathrm{\&tau;}}_{\max }(j\frac{2\mathrm{\&pi;}}{N}(m-n)+\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}})]}{{\mathrm{\&tau;}}_{\mathrm{rms}}(1-\exp (-\frac{{\mathrm{\&tau;}}_{\max }}{{\mathrm{\&tau;}}_{\mathrm{rms}}}))(\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}}+j\frac{2\mathrm{\&pi;}}{N}(m-n))}$

获得信道的自相关矩阵；

基于所述自相关矩阵，再根据所述ELMMSE算法计算出信道估计值。

综上所述，本发明所述的一种信道估计装置的总体工作过程如下：

导频序列经过最小二乘信道估计器401进行信道估计，得出频域上的信道估计值，再经过傅立叶逆变换单元402将所述频域上的信道估计值经傅立叶逆变换变换到时域上的信道估计值，即多径的平均功率，将该时域上的多径的平均功率发送到最大时延单元403，所述最大时延单元403中的设定噪声门限单元4031根据所述多径的平均功率，设定噪声门限η·C，选取有用径，并在有用径内获得最大时延τ_max的估计值，并将该τ_max的估计值和噪声门限值η·C发送到均方根时延单元404，所述均方根时延单元404根据所述τ_max的估计值和噪声门限值η·C获得均方根时延τ_rms的估计值，并将所述最大时延τ_max和均方根时延τ_rms的估计值发送到等价线性最小平方误差信道估计器405，所述等价线性最小平方误差信道估计器405根据所述τ_max以及所述τ_rms计算出信道的自相关矩阵，从而获得信道估计值。

另外，上述系统中所述的等价线性最小平方误差信道估计器可以由插值信道估计器替换，利用插值信道估计算法，根据所述均方根时延单元发送的所述最大时延以及均方根时延获得的自相关矩阵，从而获得信道估计值；所述的等价线性最小平方误差信道估计器也可以由非插值信道估计器替换，利用非插值信道估计算法，根据所述均方根时延单元发送的所述最大时延以及均方根时延获得的自相关矩阵，从而获得信道估计值。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种信道估计方法，其特征在于，包括以下步骤：

A、通过导频信号和导频符号获得频域上的信道估计值；

B、通过傅立叶逆变换将所述频域上的信道估计值变换到时域上的信道估计值；

C、根据所述时域上的信道估计值，设定噪声门限，根据多径功率谱的负指数分布特性，将噪声门限对应的时延值作为最大时延，并根据多径功率谱的负指数分布特性以及噪声门限和最大时延，获得均方根时延；

D、根据所述最大时延和均方根时延获得导频序列的信道估计值。

2.如权利要求1所述的方法，其特征在于，所述步骤C包括：

C1、根据所述多径的平均功率，设定门限η，且 $0<\mathrm{\&eta;}\&le;1;$

C2、根据所述门限η，得到噪声门限η·C，其中C为多径功率谱的最大值；

C3、取大于所述噪声门限η·C的为有用径，利用公式

$\left\{\begin{array}{cc}{\widetilde{\mathrm{\&tau;}}}_{\max }=\max \left\{{\mathrm{\&tau;}}_{\mathrm{tapi}}\right\},& \max \left\{{\mathrm{\&tau;}}_{\mathrm{tapi}}\right\}<\mathrm{CP}*T\\ {\widetilde{\mathrm{\&tau;}}}_{\max }=\mathrm{CP}*T,& \max \left\{{\mathrm{\&tau;}}_{\mathrm{tapi}}\right\}\&GreaterEqual;\mathrm{CP}*T\end{array}\right.$

获得最大时延τ_max的估计值，其中，τ_tapi为第i条有用径的时延，CP为正交频分复用循环前缀的长度，T为采样时间；

C4、根据多径功率谱的负指数分布特性，利用公式 $P_{{\mathrm{\&tau;}}_{\max }}=\mathrm{\&eta;}\&CenterDot;C$ 和 $P\left(\mathrm{\&tau;}\right)=C\&CenterDot;e^{-\mathrm{\&tau;}/{\mathrm{\&tau;}}_{\mathrm{rms}}}$ 得到公式 ${\widetilde{\mathrm{\&tau;}}}_{\mathrm{rms}}=-{\widetilde{\mathrm{\&tau;}}}_{\max }/\ln \left(\mathrm{\&eta;}\right)$ 即得到均方根时延τ_rms的估计值，其中C为多径功率谱的最大值，τ为多径时延。

3.如权利要求1所述的方法，其特征在于，所述步骤A所述信道估计值是通过下述公式计算出的：

${\tilde{H}}_{\mathrm{LS},P}=\arg \underset{H}{\min }\left\{\right|Y_P-X_P{\tilde{H}}_{\mathrm{LS},P}\left|\right\}=Y_P{X}_P^{-1}=H_P+N{X}_P^{-1}$

其中，N是接收到的高斯白噪声，NX_P ^-1；是信道估计中由于N引入的噪声分量，下标P表示导频所在子载波序号，H_P是导频处的信道估计值，

为所述频域上的信道估计值。

4.如权利要求1所述的方法，其特征在于，所述步骤D包括：

D101、根据所述最大时延和均方根时延的估计值，利用公式

$R_{m,n}=\frac{1-\exp [-{\mathrm{\&tau;}}_{\max }(j\frac{2\mathrm{\&pi;}}{N}(m-n)+\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}})]}{{\mathrm{\&tau;}}_{\mathrm{rms}}(1-\exp (-\frac{{\mathrm{\&tau;}}_{\max }}{{\mathrm{\&tau;}}_{\mathrm{rms}}}))(\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}}+j\frac{2\mathrm{\&pi;}}{N}(m-n))}$

获得等价线性最小平方误差信道估计算法需要的自相关矩阵R_HH，其中，N是频域上的子载波个数，m、n是信道自相关矩阵R_HH的下标，用来表示矩阵的元素；

D102、根据所述自相关矩阵R_HH，利用公式

$W=R_{\mathrm{HH}}{(R_{\mathrm{HH}}+{\mathrm{\&sigma;}}_n^2{\left(X{X}^H\right)}^{-1})}^{-1}$ 和 ${\tilde{H}}_{\mathrm{LMMSE},P}=W{\tilde{H}}_{\mathrm{LS},P}$

获得所述导频序列的信道估计值其中，H是频域上的信道特性，X是发送端发射数据，

为所述频域上的信道估计值。

5.如权利要求1所述的方法，其特征在于，所述步骤D包括：

D201、根据所述最大时延和均方根时延的估计值，利用公式

$R_{m,n}=\frac{1-\exp [-{\mathrm{\&tau;}}_{\max }(j\frac{2\mathrm{\&pi;}}{N}(m-n)+\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}})]}{{\mathrm{\&tau;}}_{\mathrm{rms}}(1-\exp (-\frac{{\mathrm{\&tau;}}_{\max }}{{\mathrm{\&tau;}}_{\mathrm{rms}}}))(\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}}+j\frac{2\mathrm{\&pi;}}{N}(m-n))}$

获得插值信道估计算法需要的数据和导频间相关矩阵R_HDHP以及导频和导频间的自相关矩阵R_HPHP，其中，N是频域上的子载波个数，m、n是信道自相关矩阵R_HH的下标，用来表示矩阵的元素；

D202、根据所述R_HDHP和R_HPHP，利用公式

$W=R_{H_D{H}_P}{(R_{H_P{H}_P}+{\mathrm{\&sigma;}}_n^2{\left(X{X}^H\right)}^{-1})}^{-1}$ 和 ${\tilde{H}}_{\mathrm{LMMSE},P}=W{\tilde{H}}_{\mathrm{LS},P}$

获得所述导频序列的信道估计值其中，H是频域上的信道特性，X是发送端发射数据，

为所述频域上的信道估计值。

6.如权利要求1所述的方法，其特征在于，所述步骤D包括步骤：

D301、根据所述最大时延和均方根时延的估计值，利用公式

$R_{m,n}=\frac{1-\exp [-{\mathrm{\&tau;}}_{\max }(j\frac{2\mathrm{\&pi;}}{N}(m-n)+\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}})]}{{\mathrm{\&tau;}}_{\mathrm{rms}}(1-\exp (-\frac{{\mathrm{\&tau;}}_{\max }}{{\mathrm{\&tau;}}_{\mathrm{rms}}}))(\frac{1}{{\mathrm{\&tau;}}_{\mathrm{rms}}}+j\frac{2\mathrm{\&pi;}}{N}(m-n))}$

获得非插值信道估计算法需要的导频和导频间的自相关矩阵R_HPHP，其中，N是频域上的子载波个数，m、n是信道自相关矩阵R_HH的下标，用来表示矩阵的元素；

D302、根据所述R_HPHP，利用公式

$W=R_{H_P{H}_P}{(R_{H_P{H}_P}+{\mathrm{\&sigma;}}_n^2{\left(X{X}^H\right)}^{-1})}^{-1}$ 和 ${\tilde{H}}_{\mathrm{LMMSE},P}=W{\tilde{H}}_{\mathrm{LS},P}$

获得所述导频序列的信道估计值

其中，H是频域上的信道特性，X是发送端发射数据，

为所述频域上的信道估计值。

7.一种信道估计装置，其特征在于，包括：第一信道估计器、傅立叶逆变换单元、最大时延单元、均方根时延单元和第二信道估计器；

所述第一信道估计器，用于对导频序列进行信道估计，得到频域上的信道估计值，并将该信道估计值发送到所述傅立叶逆变换单元；

所述傅立叶逆变换单元，用于将频域上的信道估计值转换为时域上的信道估计值，并将所述时域上的信道估计值发送到所述最大时延单元；

所述最大时延单元，用于根据所述时域上的信道估计值，设定噪声门限，根据多径功率谱的负指数分布特性，将噪声门限对应的时延值作为最大时延，并将所述最大时延和所述噪声门限发送给所述均方根时延单元；

所述均方根时延单元，用于根据多径功率谱的负指数分布特性，以及所述噪声门限和所述最大时延的估计值获得均方根时延的估计值，并将所述最大时延和均方根时延发送给所述第二信道估计器；

所述第二信道估计器，用于根据所述最大时延以及所述均方根时延，获得导频序列的信道估计值。

8.如权利要求7所述的装置，其特征在于，所述最大时延单元还包括：

设定噪声门限单元，用于根据多径功率谱的负指数分布特性，设定噪声门限。

9.如权利要求7所述的装置，其特征在于，所述第一信道估计器为最小二乘信道估计器。

10.如权利要求7所述的装置，其特征在于，所述第二信道估计器为等价线性最小平方误差信道估计器或者插值信道估计器或者非插值信道估计器。

Images